-
公开(公告)号：CN113723456A
公开(公告)日：2021-11-30
申请号：CN202110853849.3
申请日：2021-07-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无监督机器学习的天文图像自动化分类方法及系统。方法包括：对待分类天文图像数据进行预处理；将预处理后的天文图像数据输入训练好的卷积自编码网络模型，提取天文图像特征，得到天文图像特征集；将得到的天文图像特征集输入图像特征聚类模型，输出每个天文图像属于每个聚类簇的概率；对已经聚类成簇的天文图像进行人工打分，得到每个聚类簇属于每个类的概率；将每个天文图像属于每个聚类簇的概率与每个聚类簇属于每个类的概率相乘，得到每个天文图像属于每个类的概率，再通过阈值筛选完成分类。本发明能够本发明以较小的代价在没有数据标签的情况下获得较高的天文图像数据分类准确率。
-
公开(公告)号：CN113723456B
公开(公告)日：2023-10-17
申请号：CN202110853849.3
申请日：2021-07-28
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/762 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于无监督机器学习的天文图像自动化分类方法及系统。方法包括：对待分类天文图像数据进行预处理；将预处理后的天文图像数据输入训练好的卷积自编码网络模型，提取天文图像特征，得到天文图像特征集；将得到的天文图像特征集输入图像特征聚类模型，输出每个天文图像属于每个聚类簇的概率；对已经聚类成簇的天文图像进行人工打分，得到每个聚类簇属于每个类的概率；将每个天文图像属于每个聚类簇的概率与每个聚类簇属于每个类的概率相乘，得到每个天文图像属于每个类的概率，再通过阈值筛选完成分类。本发明能够本发明以较小的代价在没有数据标签的情况下获得较高的天文图像数据分类准确率。
-
公开(公告)号：CN113723455A
公开(公告)日：2021-11-30
申请号：CN202110853811.6
申请日：2021-07-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于度量学习的强引力透镜系统分类方法及装置。其中，方法包括：获取引力透镜图像样本集；对引力透镜图像样本集中的图像样本进行预处理；将预处理后的图像样本进行配对，得到训练样本集，所述训练样本集包括类别相同的图像对和类别不相同的图像对；将配对好的数据作为模型的输入，搭建特征提取模型和相似性度量计算模型，进行模型的训练。本发明基于度量学习的理论基础，利用特征提取后不同向量之间的相似性度量，来确定数据的类别，使得本发明使用较少的训练样本完成引力透镜系统分类任务，规避了深度学习图像分类中的模型依赖问题。
-
公开(公告)号：CN113723455B
公开(公告)日：2023-10-13
申请号：CN202110853811.6
申请日：2021-07-28
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于度量学习的强引力透镜系统分类方法及装置。其中，方法包括：获取引力透镜图像样本集；对引力透镜图像样本集中的图像样本进行预处理；将预处理后的图像样本进行配对，得到训练样本集，所述训练样本集包括类别相同的图像对和类别不相同的图像对；将配对好的数据作为模型的输入，搭建特征提取模型和相似性度量计算模型，进行模型的训练。本发明基于度量学习的理论基础，利用特征提取后不同向量之间的相似性度量，来确定数据的类别，使得本发明使用较少的训练样本完成引力透镜系统分类任务，规避了深度学习图像分类中的模型依赖问题。
-
-
-
Search Results
4
records
(took 0.042 seconds)
